بررسی مدل‌های مناسب پیش بینی تعداد تصادفات و ارائة مدل‌های مناسب و دقیق تر

Abstract

مقدمه و هدف: یکی از بزرگ‌ترین چالش های مهم جوامع امروزی کاهش تعداد تصادفات است. مهم ترین عامل بروز تصادفات در ایران عدم داشتن فرهنگ مناسب رانندگی در معابر و خیابان‌های شهری و یا بین‌شهری است. یکی از روش‌های کارا در کاهش تعداد تصادفات، پیش بینی تصادفات منطقه قبل از وقوع آن با استفاده از مدل‌های پیش بینی تصادفات می باشد. مسئلة مهمی که ذهن هر محققی را به خود معطوف می کند، انتخاب مدل مناسب پیش بینی تصادفات است. اهمیت این موضوع از آنجایی نشأت می گیرد که هراندازه مدل در نظر گرفته‌شده، دقت بالاتری داشته باشد، محقق موردنظر می تواند به درک صحیح تری نسبت به آینده برسد. هدف از این مقاله بررسی سابقة مدل‌های مختلف پیش بینی تعداد تصادفات براساس مطالعات سه دهة اخیر و نهایتاً ارائة مدل‌های با دقت بیشتر از بین مدل‌های مختلف می باشد. روش بررسی: سعی شد مدل‌های مختلف از دیدگاه تکرار مدل، دقت مدل و سادگی و پیچیده بودن مدل مورد ارزیابی و مقایسه قرار گیرند و نهایتاً مدل‌ها با دقت بیشتر ارائه گردند. یافته‌ها: مدل‌های رگرسیون پواسون منقطع نسبت به مدل رگرسیون پواسون ساده برتری دارد. مدل‌های رگرسیون پواسون و رگرسیون دوجمله ای منفی با رشد صفر بهتر از مدل رگرسیون پواسون هستند. مدل‌های چندگانه نسبت به مدل‌های دوگانه برتری دارند. نتیجه گیری: یکی از کاربردهای فوق‌العاده مهم پیش بینی تصادفات، اعمال استراتژی مناسب به‌منظور کاهش آن است؛ بنابراین در صورت دانستن مدل مناسب با بیشترین تطابق با واقعیت، می توان استراتژی های مختلف موردنظر را پیاده و وضعیت قبل و بعدازآن را مطالعه نمود